Apprentissage de concepts émotionnels à partir de descripteurs bas niveau
Résumé
This paper addresses the task of emotion recognition in unstructured textual documents. It first reviews existing representations of documents able to cope with the subjectivity of their emotional content. We then describe the proposed method: following an early fusion strategy, features defined as n-grams of several orders are combined. Moreover, dictionaries specific to each emotion label are automatically extracted. The proposed decision process is implemented as a two level "one vs. all" strategy relying on linear SVM. The resulting system has been applied to the I2B2 track2 challenge and obtained a good ranking among systems relying on a low level representation of the data. We detail the results obtained over the corpus made of real data describing 4 241 sentences labeled with 12 emotion labels and 3 non emotional labels.
Cet article considère la tâche de classification de textes selon leur contenu émotionnel. Nous présentons d'abord un état de l'art des représentations textuelles pour extraire le contenu émotionnel des documents. Nous décrivons ensuite la méthode proposée : elle consiste à combiner, par fusion anticipée, des descripteurs définis comme des n-grammes de plusieurs ordres. De plus, elle extrait automatiquement des dictionnaires spécialisés pour chacune des émotions considérées. Le processus de décision proposé, de type « un contre tous » à deux niveaux, met en œuvre des classifieurs linéaires à vaste marge. Le système résultant a fait l'objet d'une participation à la compétition I2B2 track2 et s'est bien classé parmi ceux exploitant uniquement des descripteurs bas niveau. Nous analysons les résultats obtenus sur le corpus de données réelles fourni, qui représente 4 241 phrases étiquetées par 12 émotions et 3 classes non émotionnelles.
Origine : Fichiers éditeurs autorisés sur une archive ouverte